6、深入探索TensorFlow 2.x：优化器、模型构建与高效使用

深入探索TensorFlow 2.x：优化器、模型构建与高效使用

1. 优化器介绍

在深度学习中，优化器起着至关重要的作用，它能帮助我们找到模型参数的最优解。这里介绍两种常见的优化器：
- RMSprop ：实现了RMSprop算法的优化器。更多信息可访问： RMSprop文档
- SGD ：随机梯度下降和动量优化器。更多信息可访问： SGD文档

2. Keras功能API构建模型

Sequential API可以让我们按顺序创建基本模型，但如果想创建更复杂的拓扑结构，TensorFlow 2.x支持Keras功能API，可用于创建多输入、多输出和共享层的模型。以下是一个使用功能接口定义Keras模型的示例，该模型是一个全连接神经网络，接受100维输入并输出一个数字：

import tensorflow as tf
input_shape = (100,)
inputs = tf.keras.layers.Input(input_shape)
net = tf.keras.layers.Dense(units